新闻详情

新闻详情

首页 / 资讯中心 / 详情

nuclei-templates 模板统计与选型指南:1.2 万条模板,怎么挑、先跑什么

发布时间:2026/11/5 13:19:12来源:尧图网络
nuclei-templates 模板统计与选型指南:1.2 万条模板,怎么挑、先跑什么
nuclei-templates 模板统计与选型指南1.2 万条模板怎么挑、先跑什么【免费下载链接】nuclei-templatesCommunity curated list of templates for the nuclei engine to find security vulnerabilities.项目地址: https://gitcode.com/GitHub_Trending/nu/nuclei-templatesnuclei-templates 仓库根目录放着 TEMPLATES-STATS.md人读统计表与 TEMPLATES-STATS.json机读数据两个文件它们是模板库统计的权威口径。一万两千多条模板带来的真实问题是全量跑不动先跑什么、去哪个目录找、范围怎么收敛。本文按选型时要依次回答的四个问题展开每讲一层都配一条可直接执行的 nuclei 命令。库有多大先看目录分布与协议支持先翻 DIRECTORY 列http 目录占 11,246 条接近九成其余按协议与场景分散目录模板数承担什么http11246Web 检测主力CVE、面板暴露、错误配置、技术指纹cloud663云厂商配置审计细分为 aws/azure/gcp/alibaba/k8sfile447文件与二进制类密钥泄露、恶意软件指纹、Android 审计network280非 HTTP 协议TCP/UDP 等端口检测dast251动态应用测试xss、ssti、sqli 等子类workflows207编排多个模板的检测流程文件javascript129JS 相关检测与枚举ssl / dns / headless38 / 31 / 24TLS 证书、DNS 记录、无头浏览器检测注意这里一个口径TYPE 列只统计了显式声明顶层类型的模板file 447、dns 34而绝大多数 Web 模板没有这个字段它们靠 YAML 里的 http: 请求块被识别。所以 TYPE 维度是低估的判断库支持什么协议时以 DIRECTORY 为准。目录对使用者意味着什么它就是现成的选型单元-t可以直接指向整个目录。# 不全跑 http只跑错误配置子集 nuclei -t http/misconfiguration/ -u https://example.com先跑哪些严重级别与已知被利用的时间线SEVERITY 列给出风险结构info 5,103、high 2,976、medium 2,841、critical 1,916、low 518、unknown 58。占比最大的是 info说白了这批多是指纹与发现类模板例如 http/technologies/tech-detect.yaml 只声明severity: info用来识别技术栈本身不等于漏洞。所以-severity critical单独用会只剩 1,916 条做资产测绘时得把 discovery3,761、tech965这类标签单独纳入。风险排序更有参考价值的是野外正在打和最新披露两组标签标签相关模板含义kev541CISA 已知被利用漏洞目录vkev1873VulnCheck KEV 目录cve4431全部 CVE 模板cve2024 / cve2025 / cve2026625 / 426 / 330近三年披露量反映收录节奏kev 与 vkev 有重叠一条模板可同时带两个标签README.md 中的统计给出二者去重后约 1,496 条cve 年份标签一路排到 cve2026说明库在持续收录新披露漏洞不是静态存档。不想手敲参数时仓库有现成 profileprofiles/kev.yml 内容只有一行tags: [kev]profiles/cves.yml 圈定了 http/cves、http/cnvd、network/cves、javascript/cves 四个目录。# 优先扫已知被利用漏洞 nuclei -tags kev,vkev -u https://example.com # 结果只看高危及以上 nuclei -severity critical,high -u https://example.com 如何用标签、目录、profile 收敛扫描范围nuclei 给了三个筛选入口粒度不同用法也不同-tags组合最细。标签分三类——技术型xss 1417、rce 1029、lfi 872、sqli 604、ssrf 207、auth-bypass 301、产品型wordpress 1698、wp-plugin 1509、apache 287、kubernetes 121、场景型unauth 718、authenticated 563、intrusive 608、passive 106。其中 intrusive 表示流量大、易触发告警扫生产环境前建议显式排除或降级使用。-t目录最粗整个场景打包拿适合目标范围明确的批量任务。-profile预置的组合包内部混合了 tags/severity/type 乃至 exclude-id 排除列表比如 recommended.yml 专门剔除了若干已知噪音模板拿来即用。提醒一句一条模板可以带多个标签各标签计数之和远大于模板总数1417 条 xss不是 1417 个独立文件。# WordPress 站点定向 nuclei -tags wordpress,wp-plugin -u https://example.com # 或整包拿 CVE 目录 nuclei -t http/cves/ -u https://example.com # 或直接套现成 profile nuclei -profile cloud -u https://example.com库是否持续维护看贡献者结构AUTHOR 列相当于维护履历头部贡献者 dhiyaneshdk2,144、daffainfo950、princechaddha870、dwisiswant0807保持着持续产出节奏官方 pdteam331、pdresearch276承担核心维护其后是数百个长尾贡献者每人贡献少量模板。作者信息写进每个模板的info.author字段任何一个数字都能回溯到具体的人。想验证活跃度的最简办法是跑一次 KEV profile 看命中量nuclei -profile kev -u https://example.com能稳定出结果说明模板集与当前威胁面仍对得上。收尾两条命令与三个口径说明# 第一步摸清资产技术栈 nuclei -tags discovery,tech -u https://example.com # 第二步按风险定向打 CVE nuclei -tags cve -severity critical,high -u https://example.com三个口径说明① 所有数字是某一时刻的统计快照README 顶部表格还写着 http 9,281而统计文件已是 11,246引用以仓库当前状态为准② 标签计数按带该标签的模板数统计且允许重叠求和会大于模板总数③ TYPE 只覆盖显式声明协议的模板完整协议视图要配合 DIRECTORY 阅读。【免费下载链接】nuclei-templatesCommunity curated list of templates for the nuclei engine to find security vulnerabilities.项目地址: https://gitcode.com/GitHub_Trending/nu/nuclei-templates创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/4 15:56:54

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/4 22:55:41

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/4 17:01:23

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/4 12:33:12

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/5 4:24:57

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/5 4:24:57

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉